종종 입문 적용된 통계 텍스트는 평균이 평균과 구별됩니다 (종종 설명 통계의 맥락에서 평균이 평균, 중간 값 및 모드를 사용하여 중심 경향의 요약을 유발 함). 평균이 샘플 데이터 및 / 또는 인구 분포를 왜곡하여 데이터가 대칭이 아닌 경우 중앙값이 선호된다는 주장의 근거로 사용됩니다.
예를 들면 다음과 같습니다.
주어진 데이터 세트에 대한 중앙 경향의 최상의 척도는 종종 값이 분포되는 방식에 따라 다릅니다. 데이터가 대칭이 아닌 경우 중앙값은 종종 중앙 경향의 최고 척도입니다. 평균은 극단적 인 관측 값에 민감하기 때문에 외부 데이터 값의 방향으로 당겨져 결과적으로 지나치게 팽창하거나 지나치게 수축 될 수 있습니다. "
—Pagano and Gauvreau, (2000) Biostatistics의 원리 , 2nd ed. (P & G가 손이었다 BTW 그들을 지목하지 자체 ).
저자는 "중앙 경향"을 다음과 같이 정의합니다. "데이터 집합의 가장 일반적으로 조사되는 특성은 중심이거나 관측치가 군집화되는 지점입니다."
이 말의보다 적게보다는 솔직한 방법으로 나를 친다 중간 기간 만 사용 데이터 만 / 분포가 대칭 때 평균을 사용하여이 중간 같을 때 평균을 사용하는 경우에만 말과 같은 것 때문에. 편집 : whuber는 중앙 경향의 강력한 척도를 중간 값과 접목하고 있다고 지적합니다. 따라서 산술 평균의 특정 프레임 대 입문 적용 통계의 중앙값에 대해 논의하고 있음을 명심하는 것이 중요합니다 (모드를 제외하고 다른 중심 경향의 측정 기준은 동기 부여되지 않음).
평균의 평균이 중간 값의 행동에서 얼마나 많은지를 판단하여 평균의 유용성을 판단하는 대신, 두 가지 중심성의 척도로서 단순히 이해하지 않아야합니까? 즉, 왜도에 민감하다는 것은 평균의 특징입니다. "중간 값은 왜도에 크게 영향을받지 않기 때문에 평균이 좋지 않기 때문에 평균과 같을 때만 사용하십시오."
(이 모드는 현명 하게이 질문에 관여하지 않습니다.)